Сигналы, которые управляют многими важнейшими функциями мозга и организма — сознанием, сном, дыханием, частотой сердечных сокращений и движением, — проходят через пучки волокон «белого вещества» в стволе головного мозга. Однако системы визуализации пока не способны детально рассмотреть эти важные нейронные кабели. Это ограничивало возможности исследователей и врачей в оценке их повреждений при травмах или нейродегенеративных заболеваниях.
В новом исследовании команда учёных из Массачусетского технологического института (MIT), Гарвардского университета и Массачусетской больницы общего профиля представила программное обеспечение на базе искусственного интеллекта, способное автоматически сегментировать восемь отдельных пучков в любой диффузионно-взвешенной магнитно-резонансной томографии (dMRI).
В открытом доступе опубликовано исследование, в котором команда под руководством аспиранта MIT Марка Ольчанского сообщает, что их инструмент BrainStem Bundle Tool (BSBT) выявил отчётливые закономерности структурных изменений у пациентов с болезнью Паркинсона, рассеянным склерозом и черепно-мозговой травмой, а также пролил свет на болезнь Альцгеймера. Более того, как показывает исследование, BSBT позволил ретроспективно отследить восстановление пучков у пациента в коме, что отразило семимесячный путь пациента к выздоровлению.
«Ствол мозга — это область мозга, которая практически не изучена, потому что её сложно визуализировать», — говорит Ольчанский, докторант программы MIT по медицинской инженерии и медицинской физике. «Люди не очень понимают его структуру с точки зрения визуализации. Нам нужно понять, какова организация белого вещества у людей и как эта организация нарушается при определённых заболеваниях».
Профессор Эмери Н. Браун, научный руководитель Ольчанского и соавтор исследования, добавляет: «Ствол мозга — один из важнейших центров управления в организме. Алгоритмы Марка вносят значительный вклад в исследования в области визуализации и в нашу способность понимать регуляцию основных физиологических процессов. Расширяя наши возможности визуализации ствола мозга, он открывает нам доступ к жизненно важным физиологическим функциям, таким как контроль дыхательной и сердечно-сосудистой систем, регуляция температуры, поддержание бодрствования в течение дня и сна ночью».
Создание алгоритма
Диффузионная МРТ помогает отслеживать длинные ветви, или «аксоны», которые нейроны протягивают для связи друг с другом. Аксоны обычно покрыты оболочкой из жира, называемой миелином, и вода диффундирует вдоль аксонов внутри миелина, который также называют «белым веществом» мозга. Диффузионная МРТ может выделить это направленное перемещение воды. Но сегментация отдельных пучков аксонов в стволе мозга оказалась сложной задачей, поскольку они маленькие и скрыты потоками мозговой жидкости, а также движениями, вызванными дыханием и сердцебиением.
В рамках своей дипломной работы Ольчанский хотел разработать алгоритм искусственного интеллекта, чтобы преодолеть эти препятствия. BSBT работает путём отслеживания пучков волокон, которые погружаются в ствол мозга из соседних областей, таких как таламус и мозжечок, для создания «вероятностной карты волокон». Модуль искусственного интеллекта, называемый «свёрточной нейронной сетью», затем объединяет карту с несколькими каналами визуализационной информации из ствола мозга, чтобы различить восемь отдельных пучков.
Чтобы научить нейронную сеть сегментировать пучки, Ольчанский «показал» ей 30 живых диффузионно-взвешенных МРТ-сканов добровольцев в рамках проекта Human Connectome Project (HCP). Сканы были вручную аннотированы, чтобы научить нейронную сеть идентифицировать пучки. Затем он проверил BSBT, сравнив его результаты с «эталонными» вскрытиями посмертных человеческих мозгов, где пучки были хорошо очерчены с помощью микроскопического исследования или очень медленной, но ультравысокоразрешающей визуализации. После обучения BSBT научился автоматически определять восемь отдельных пучков волокон в новых сканах.
В эксперименте по проверке его согласованности и надёжности Ольчанский поручил BSBT найти пучки у 40 добровольцев, которые проходили отдельные сканирования с интервалом в два месяца. В каждом случае инструмент смог найти одни и те же пучки у одних и тех же пациентов на каждом из их двух сканирований. Ольчанский также протестировал BSBT с несколькими наборами данных (а не только с HCP) и даже проверил, как каждый компонент нейронной сети вносил свой вклад в анализ BSBT, отключая их один за другим.
«Мы подвергли нейронную сеть тщательной проверке, — говорит Ольчанский. — Мы хотели убедиться, что она действительно выполняет эти правдоподобные сегментации и использует каждый из своих отдельных компонентов таким образом, чтобы повысить точность».
Потенциальные новые биомаркеры
После того как алгоритм был должным образом обучен и проверен, исследовательская группа перешла к проверке того, может ли способность сегментировать отдельные пучки волокон в диффузионно-взвешенных МРТ-сканах позволить отслеживать, как объём и структура каждого пучка изменяются при заболевании или травме, создавая новый вид биомаркера.
Хотя ствол мозга было трудно изучить в деталях, многие исследования показывают, что нейродегенеративные заболевания поражают ствол мозга, часто на ранних стадиях их прогрессирования.
Ольчанский, Браун и их соавторы применили BSBT к множеству наборов данных диффузионно-взвешенных МРТ-сканов пациентов с болезнью Альцгеймера, Паркинсона, рассеянным склерозом и черепно-мозговой травмой (ЧМТ). Пациентов сравнивали с контрольной группой, а иногда и с самими собой в динамике. На сканах инструмент измерял объём пучка и «дробную анизотропию» (FA), которая отслеживает, сколько воды течёт вдоль миелинизированных аксонов по сравнению с тем, сколько диффундирует в других направлениях, — это показатель структурной целостности белого вещества.
В каждом состоянии инструмент обнаружил последовательные закономерности изменений в пучках. Хотя только один пучок показал значительное снижение при болезни Альцгеймера, при болезни Паркинсона инструмент выявил снижение FA в трёх из восьми пучков. Также было обнаружено уменьшение объёма в другом пучке у пациентов между исходным сканированием и двухлетним наблюдением. У пациентов с рассеянным склерозом наибольшее снижение FA наблюдалось в четырёх пучках, а потеря объёма — в трёх. Между тем у пациентов с ЧМТ не было выявлено значительной потери объёма в каких-либо пучках, но снижение FA было очевидно в большинстве из них.
Тестирование в рамках исследования показало, что BSBT оказался более точным, чем другие методы классификации, в различении пациентов с заболеваниями и контрольной группой.
Таким образом, BSBT может стать «ключевым дополнением, которое помогает современным методам диагностической визуализации, предоставляя детальную оценку структуры белого вещества ствола мозга и, в некоторых случаях, продольную информацию», — пишут авторы.
Наконец, в случае с 29-летним мужчиной, который перенёс тяжёлую ЧМТ, Ольчанский применил BSBT к сканам, сделанным во время семимесячной комы мужчины. Инструмент показал, что пучки ствола мозга мужчины были смещены, но не перерезаны, и продемонстрировал, что за время комы поражения на нервных пучках уменьшились в объёме в три раза. По мере их заживления пучки также вернулись на место.
Авторы пишут, что BSBT «обладает существенным прогностическим потенциалом, выявляя сохранённые пучки ствола мозга, которые могут способствовать восстановлению после комы».
Другие старшие авторы исследования — Хуан Евгенио Иглесиас и Брайан Эдлоу. Среди соавторов — Дэвид Шрайер, Цзянь Ли, Кьяра Маффеи, Аннабель Сорби-Адамс, Ханна Кинни, Брайан Хили, Холли Фриман, Джаред Шлесс, Кристоф Дестрие и Хендри Трегиджо.
Финансирование исследования было предоставлено Национальными институтами здравоохранения, Министерством обороны США, Фондом Джеймса С. Макдоннелла, Фондом Раппапорта, Американским институтом SidS, Американским фондом мозга, Американской академией неврологии, Центром интеграции медицины и инновационных технологий, «Blueprint for Neuroscience Research» и Массачусетским центром наук о жизни.
1. Какие проблемы решает алгоритм искусственного интеллекта BrainStem Bundle Tool (BSBT) в контексте изучения белого вещества мозга?
Ответ: алгоритм искусственного интеллекта BSBT решает проблему детального рассмотрения пучков волокон «белого вещества» в стволе головного мозга, которые управляют многими важнейшими функциями организма. До разработки этого алгоритма системы визуализации не могли детально рассмотреть эти важные нейронные кабели, что ограничивало возможности исследователей и врачей в оценке их повреждений при травмах или нейродегенеративных заболеваниях.
2. Какие методы использовались для обучения нейронной сети BSBT?
Ответ: для обучения нейронной сети BSBT использовались диффузионно-взвешенные МРТ-сканы добровольцев в рамках проекта Human Connectome Project (HCP). Сканы были вручную аннотированы, чтобы научить нейронную сеть идентифицировать пучки. Затем алгоритм был проверен на согласованность и надёжность, и обучен автоматически определять восемь отдельных пучков волокон в новых сканах.
3. Какие результаты показал BSBT при применении к пациентам с различными заболеваниями?
Ответ: при применении к пациентам с болезнью Альцгеймера, Паркинсона, рассеянным склерозом и черепно-мозговой травмой (ЧМТ) BSBT обнаружил последовательные закономерности изменений в пучках. Например, при болезни Паркинсона инструмент выявил снижение FA в трёх из восьми пучков, а у пациентов с рассеянным склерозом наибольшее снижение FA наблюдалось в четырёх пучках. У пациентов с ЧМТ не было выявлено значительной потери объёма в каких-либо пучках, но снижение FA было очевидно в большинстве из них.
4. Какие перспективы открывает использование BSBT в диагностике и прогнозировании заболеваний?
Ответ: использование BSBT может стать «ключевым дополнением, которое помогает современным методам диагностической визуализации, предоставляя детальную оценку структуры белого вещества ствола мозга и, в некоторых случаях, продольную информацию». Это может улучшить диагностику и прогнозирование заболеваний, связанных с повреждением белого вещества мозга.
5. Какие выводы можно сделать о потенциале BSBT для изучения нейродегенеративных заболеваний?
Ответ: BSBT обладает существенным потенциалом для изучения нейродегенеративных заболеваний, таких как болезнь Альцгеймера, Паркинсона и рассеянный склероз. Алгоритм может помочь исследователям и врачам лучше понять, как эти заболевания влияют на структуру и функцию белого вещества мозга, что может привести к разработке более эффективных методов диагностики и лечения.